پایش تغییرات کاربری اراضی / پوشش با استفاده از شاخص های شدت تغییرات، درجه پویایی و مقایسه پس از طبقه بندی

اکوسیستم های طبیعی ایران

مقاله 8، دوره 8، شماره 1 - شماره پیاپی 27، خرداد 1396، صفحه 123-136   

نوع مقاله: پژوهشی

نویسندگان

محمد زارع^{* 1}؛ تیمور تیموریان²؛ محمدحسن جوری³

¹فارغ التحصیل دکتری آبخیزداری دانشگاه تهران، دانشکده منابع طبیعی، کرج، ایران، [e-mail] شماره تماس: [phone]

²دانشجوی دکتری آبخیزداری دانشگاه تهران، دانشکده منابع طبیعی، کرج، ایران

³دانشیار دانشگاه آزاد اسلامی، واحد نور، گروه منابع طبیعی، نور، ایران

چکیده

زمین یکی از منابع اولیه طبیعی است که کاربری اراضی آن در طول زمان تغییر می کند. کاربری اراضی فرآیندی طبیعی بوده و نمی توان آن را متوقف نمود اما قابل کنترل می باشد. افزایش جمعیت و رشد شهرنشینی یکی از مهمترین چالش های مدیریت کاربری اراضی می باشد. تهیه نقشه کاربری اراضی و بررسی روند تغییرات آن یکی از ضروری‌ترین اطلاعات مورد نیاز برای مدیریت منابع طبیعی می‌باشد. در تحقیق حاضر جهت تهیه نقشه تغییرات کاربری اراضی در شهرستان نور از تصاویر سنجنده TM ماهواره لندست مربوط به سال‌های 1986، 2000 و 2013 طی یک بازه زمانی 28 ساله استفاده شد. در این مطالعه به منظور طبقه بندی تصاویر از روش حداکثر احتمال و GIS استفاده گردید. همچنین به منظور بررسی شدت و روند تغییرات کاربری از سه روش مقایسه پس از طبقه بندی ، شاخص شدت تغییرات و شاخص درجه پویایی در پایش تغییرات کاربری اراضی استفاده شد. نتایج نشان داد بیشترین تغییرات کاربری اراضی مربوط به تبدیل کاربری کشاورزی به کاربری شهری در منطقه نور بوده به طوری که روند تغییرات کاربری جنگل و کشاورزی منفی و کاربری مسکونی مثبت بوده است و وسعت مناطق مسکونی از سال 1986 تا 2013 پنج برابر شده است بطوریکه در حاشیه شهرها و روستاها بیشترین تغییرات بوجود آمده است.

کلیدواژه‌ها

پایش تغییرات؛ کاربری اراضی؛ سنجنده TM؛ شهرستان نور

اصل مقاله

پایش تغییرات کاربری اراضی / پوشش با استفاده از شاخص های شدت تغییرات، درجه پویایی و مقایسه پس از طبقه بندی

محمد زارع[1]^* ، تیمور تیموریان[2]، محمد حسن جوری[3]

تاریخ دریافت: 20/3/95       تاریخ پذیرش: 19/11/95

 

چکیده

زمین یکی از منابع اولیه طبیعی است که کاربری اراضی آن در طول زمان تغییر می­کند. کاربری اراضی فرآیندی طبیعی بوده و نمی­توان آن را متوقف نمود اما قابل کنترل می­باشد. افزایش جمعیت و رشد شهرنشینی یکی از مهمترین چالش­های مدیریت کاربری اراضی می­باشد. تهیه نقشه کاربری اراضی و بررسی روند تغییرات آن یکی از ضروری‌ترین اطلاعات مورد نیاز برای مدیریت منابع طبیعی می‌باشد. در تحقیق حاضر جهت تهیه نقشه تغییرات کاربری اراضی در شهرستان نور از تصاویر سنجنده TM ماهواره لندست مربوط به سال‌های 1986، 2000 و 2013 طی یک بازه زمانی 28 ساله استفاده شد. در این مطالعه به منظور طبقه­بندی تصاویر از روش حداکثر احتمال و GIS استفاده گردید. همچنین به منظور بررسی شدت و روند تغییرات کاربری از سه روش مقایسه پس از طبقه بندی ، شاخص شدت تغییرات و شاخص درجه پویایی در پایش تغییرات کاربری اراضی استفاده شد. نتایج نشان داد بیشترین تغییرات کاربری اراضی مربوط به تبدیل کاربری کشاورزی به کاربری شهری در منطقه نور بوده به طوری که روند تغییرات کاربری جنگل و کشاورزی منفی و کاربری مسکونی مثبت بوده است و وسعت مناطق مسکونی از سال 1986 تا 2013 پنج برابر شده است بطوریکه در حاشیه شهرها و روستاها بیشترین تغییرات بوجود آمده است.

واژه های کلیدی: پایش تغییرات، کاربری اراضی ، سنجنده TM، شهرستان نور.

 

 

 

مقدمه

کاربری اراضی[4] و پوشش زمین[5] دو فاکتور کلیدی در مدیریت منابع طبیعی و پایش تغییرات زیست محیطی می­باشد (22). تغییرات کاربری اراضی شامل تبدیل زمین از یک نوع به نوع دیگر و پوشش زمین به نحوی مدیریت استفاده از زمین برمی­گردد که هر دو آنها تا حد زیادی باعث ایجاد تغییرات بزرگ در بخش­های مختلف کره زمین به منظور رفع خواسته­های فوری انسان از منابع طبیعی شده است (10). Vitousek و همکاران (1997) مهمترین عامل تغییرات کاربری را رشد جمعیت انسانی می­دانند. در واقع رشد جمعیت در شهرها و نحوی پراکنش آنها در مناطق شهری همراه با رشد مناطق صنعتی و عدم وجود برنامه مدون در ساخت و سازهای شهری منجر به تبدیل زمین­های کشاورزی مولد به اراضی غیرقابل نفوذ شده است (16). به منظور پایش این تغییرات از تکنیک­های مختلفی توسط پژوهشگران در سالیان اخیر استفاده شده است. داده­های سنجش از دور و GIS به عنوان بهترین تکنیک­های موجود به منظور تهیه نقشه تغییرات و پایش کاربری اراضی/پوشش مطرح می­باشد (17). آشکارسازی تغییرات[6] در کاربری اراضی/پوشش  می­تواند در مقیاس زمانی مشخصی مانند یک یا دو دهه در ارزیابی تغییرات سرزمینی ناشی از فعالیت­های انسانی کمک شایانی نماید (11). محققین زیادی به بررسی و مطالعه روش‌های پایش تغییرات کاربری اراضی/پوشش با استفاده از تصاویر ماهواره­ای و تکنیک‌های سنجش از دور پرداختند. Abd El-kawya و همکاران (2010) بوسیله طبقه­بندی نظارت­شده تصاویر ماهواره­ای لندست سال­های 1984 تا 2009 دلتای شرقی رود نیل به این نتیجه رسیدند که بیشترین تغییرات در تبدیل زمین­های بایر به مزارع کشاورزی بوده است. Rawat و همکاران (2013) با استفاده از تصاویر لندست TM سال‌های 1990 و 2010 در منطقه­ای از هند به بررسی تغییرات کاربری اراضی/پوشش پرداختند. در این مطالعه از روش طبقه­بندی نظارت­شده حداکثر احتمال برای تهیه نقشه کاربری اراضی در پنج طبقه کاربری مناطق شهری، پوشش گیاهی، کشاورزی، پهنه­های آبی و شن­زارها استفاده شد. نتایج نشان داد کاربری‌های کشاورزی، پهنه­های آبی و پوشش گیاهی روند کاهشی داشته و شن­زارها و مناطق مسکونی در دوره 20 ساله توسعه پیدا نموده است. آرخی و همکاران (1390) پایش تغییر پوشش گیاهی با استفاده از تکنیک سنجش از دور در حوضه سد ایلام را انجام دادند. در این مطالعه تصاویر سنجنده MSS سال 1976 و لندست ETM سال 2002 با استفاده از چهار تکنیک پایش تغییر تفاضل تصویر[7]، نسبت­گیری تصویر[8]، تفاضل تجزیه مولفه­ی اصلی[9] و تفاضل تجزیه‌ی مولفه­ی اصلی استاندارد­شده استفاده نمود. نتایج نشان داد روش تفاضل باند قرمز بهترین کارایی را در پایش تغییرات پوشش گیاهی داشته است. علاوه بر موارد فوق مطالعات بسیاری در داخل و خارج کشور در زمینه آشکارسازی تغییرات با استفاده از سنجنده­ها و روش­های مختلف انجام شده است (14، 18، 20، 21 و 25). شمال ایران به دلیل جاذبه­های اقلیمی و طبیعی در سالیان اخیر با روند رو به رشدی در ساخت و ساز همراه بوده است. همین امر سبب تغییرات گسترده در کاربری اراضی و پوشش شمال ایران گردیده است. شهرستان نور یکی از مناطقی است که در یک دهه اخیر بیشترین تغییرات کاربری اراضی را در میان سایر شهرهای استان مازندران داشته است. لذا در این پژوهش با استفاده از تصاویر چندزمانه و تکنیک­های مختلف به بررسی روند تغییرات سه دهه اخیر کاربری اراضی شهرستان نور پرداخته شده است.

مواد و روش­ها

2-1 منطقه مورد مطالعه

شهرستان نور یکی از شهرستان­های استان مازندران و به­عنوان دومین شهرستان از نظر وسعت در این استان می­باشد. این منطقه در دامنه شمالی رشته­کوهای البرز و به دریای مازندران متصل بوده و دارای مهمترین شهرهای ساحلی ایران می­باشد. از نظر توپوگرافی می­توان این شهرستان را به دو بخش جلگه­ای و کوهستانی تقسیم نمود. با توجه به اینکه عمده تغییرات اراضی در بخش جلگه­ای اتفاق افتاده است لذا در این پژوهش پایش تغییرات کاربری اراضی در این بخش انجام شده است. مساحت منطقه مورد مطالعه 451 کیلومترمربع و از نظر جغرافیایی بین طول '56°51 تا '12°52 شرقی و عرض '27°36 تا '37­°36 شمالی واقع شده است. حداقل ارتفاع منطقه مورد مطالعه هم سطح دریا و حداکثر آن 288 متر از سطح دریا می­باشد. از نظر کاربری اراضی، این منطقه دارای سه کاربری عمده مناطق جنگلی، اراضی کشاورزی و باغات به­همراه مناطق مسکونی شامل شهرهای نور، رویان، چمستان، ایزدشهر و روستاهای متعدد و مجاور هم می­باشد (شکل 1).

 

 

شکل 1- موقعیت منطقه مورد مطالعه

2-2 پیش­پردازش تصاویر ماهواره­ای

در این تحقیق از سه تصویر بدون ابر سنجنده TM ماهواره لندست در سال‌های 1986، 2000 و 2013 به عنوان داده­های اصلی استفاده شد. همچنین عکس‌های هوایی با مقیاس 1:20000 سال 1347، مجموعه­ای از نقشه­های توپوگرافی، و بخصوص آشنایی قبلی نویسندگان با منطقه مورد مطالعه به عنوان داده­های کمکی در تجزیه و تحلیل مراحل پردازش تغییر کاربری مورد استفاده قرار گرفت. از آنجا که تصاویر سطح اول ماهواره­ی لندست به صورت خودکار زمین­مرجع می­شوند لذا از انجام پیش­پردازش تصحیح هندسی صرف نظر گردید. تصحیح رادیومتریک نیز به عنوان یکی از مهمترین پیش­پردازش‌های مورد استفاده بوده که در این تحقیق با استفاده از نرم افزار ENVI  و به صورت روابط زیر در دو مرحله اجرا شد.

15Lخ»=LMAXخ» -LMIMخ» Qcalmax-QcalminQcal-Qcalmin+LMINخ»">

   15دپخ»=د€.Lخ».d2ESUNخ».cosخ¸s">

که در این روابط L_λ میزان رادیانس طیفی، Q_cal میزان DN در نقشه خام، Q_calmax و Q_calmin حداکثر و حداقل مقدار DN برای هر سنجنده، LMAX_λ و LMIN_λ حداکثر و حداقل مقدار رادیانس مربوط به هر باند تصویر ماهواره‌ای، میزان بازتابش، d فاصله نجومی زمین تا خورشید، ESUN_λ: میانگین تابش خورشید فرا اتمسفری و cosθ_s زاویه تابش خورشید می­باشد. بعبارتی در مرحله اول مقادیر DN سلول­های تصویر به رادیانس طیفی تبدیل و در مرحله دوم رادیانس طیفی سنجنده به بازتاب زمینی تبدیل گردید (7). در نهایت نقشه خروجی حاصل از پیش­پردازش رادیومتریک به صورت صفر تا یک طبقه­بندی شده است. هرچه اعداد کوچک‌تر باشد، اجرای الگوریتم طبقه­بندی راحتتر صورت می‌پذیرد (7).

روش طبقه­بندی تصاویر ماهواره­ای

با انجام پیش­پردازش­های اولیه، با پیمایش­های میدانی و استفاده از سطح اول طبقه­بندی اندرسون و همکاران (1976)، تعداد چهار طبقه کاربری/پوشش سرزمین شامل پوشش جنگل، کاربری کشاورزی، پهنه­های آبی و مناطق مسکونی شناسایی شد. عمل تهیه نمونه­های تعلیمی به منظور آموزش الگوریتم طبقه­بندی حداکثر احتمال (3) در سراسر منطقه مورد مطالعه اجرا گردید. به طوری که به منظور افزیش دقت طبقه­بندی از طریق پایش صحرایی و با استفاده از GPS، از تعداد 340 کاربری مختلف (135 نمونه از جنگل، 95 نمونه از کشاورزی، 78 نمونه از مسکونی و 32 نمونه آبی) نمونه­برداری صورت گرفت که از این تعداد نمونه تعلیمی دوسوم برای تهیه نقشه کاربری و یک­سوم برای صحت­سنجی نقشه مورد استفاده قرار گرفت. صحت طبقه­بندی با استفاده از شاخص کاپا و صحت کلی مورد بررسی قرار گرفت.

شاخص کاپا از طریق رابطه‌ 1 محاسبه می‌شود (3):

14Kappa=po-pc1-pcأ—100"> (1)               

که در آن 14po">  درستی مشاهده شده و 14pc">  توافق مورد انتظار می­باشد.

دقت کلی نیز از جمع عناصر قطر اصلی ماتریس خطا تقسیم بر تعداد کل پیکسل­ها طبق رابطه 2 بدست می­آید (3):

14OA=1NPii"> (2)                               

که در آن OA دقت کلی، N تعداد پیسکل­های آزمایشی و 14Pii">  جمع عناصر قطر اصلی ماتریس خطا می­باشد.

2-3- روش­های آشکارسازی تغییرات

شاخص شدت تغییرات کاربری اراضی/پوشش[10]

شاخص شدت تغییرات کاربری اراضی، نشان­دهنده میزان تغییرات یک کاربری در مقایسه با کاربری­های دیگر می­باشد. به منظور تعیین شاخص شدت تغییرات کاربری از رابطه 3 استفاده شده است (13):

14P=Ubj-UajUأ—1Tأ—100%"> (3)          

که در اینجا، P شاخص شدت تغییرات هر کاربری در طول هر دوره زمانی، 14Ubjظˆ Uaj">  نشان­دهنده مساحت هر کاربری از شروع تا پایان دوره مورد بررسی، U مساحت کل کاربری­ها و T بازه زمانی مورد استفاده در هر دوره می­باشد. هرچه میزان P بزرگتر باشد، نشان­دهنده شدت بزرگتر تغییرات آن کاربری در میان سایر کاربری­ها و اعداد مثبت و منفی کسب­شده آن نشان­دهنده روند افزایشی و کاهشی آن کاربری می­باشد (24).

شاخص درجه پویایی کاربری اراضی / پوشش[11]

شاخص درجه پویایی کاربری نشان­دهنده سرعت تغییرات کمی هر کاربری است که در روند تغییرات کاربری اراضی آینده نقش مثبتی ایفا می­نماید و مقدار آن با استفاده از رابطه 4 محاسبه می­شود:

14K=Ubj-UajUajأ—1Tأ—100%">  (4)        

که در اینجا K نشان­دهنده شاخص درجه پویایی هر کاربری در طول دوره مورد بررسی می­باشد.

2-4- آشکارسازی تغییرات[12]

اغلب روش­های آشکارسازی تغییرات به مقایسه یک داده (تصویر) با داده (تصویر) دیگر در دو تاریخ متفاوت می­پردازد. در وضعیتی که داده­های بیشتری در دو تاریخ داشته باشد، امکان مقایسه چندبعدی این داده­ها در فضا با یکدیگر وجود دارد. این روش مقایسه را آشکارسازی تغییرات گویند (8). به زبان ساده میزان تغییرات از یک طبقه به طبقه دیگر در طول زمان را آشکارسازی تغییرات می­گویند. به منظور درک اینکه طی دوره 28 ساله، تغییرات منطقه چگونه بوده است، آشکارسازی تغییرات در سه حالت تصویر 1986 تا 2000، 2000 تا 2013 و 1986 تا 2013 مورد بررسی قرار گرفت. این کار از دستور Cross tab در نرم­افزار ایدریسی انجام گرفته است.

شکل 2 روند نمای مراحل اجرای پژوهش را به صورت کلی نشان می­دهد.

 

 

 

 

شکل -2  روند نمای مراحل اجرای پژوهش

نتایج

3-1 تغییرات مساحت کاربری اراضی

سال­های 1986، 2000 و 2013 به عنوان سال­های مورد نظر انتخاب گردید زیرا در این سال­ها تغییرات کاربری به وضوح قابل رویت بوده و انتخاب تصاویر ماهواره­ای بدون ابر امکان­پذیر بوده است. با استفاده از روش حداکثر احتمال نقشه کاربری اراضی منطقه مورد مطالعه در چهار کاربری جنگل، کشاورزی، مناطق مسکونی و پهنه های آبی بدست آمد (شکل 3) و میزان و درصد تغییرات هر کاربری طی سال­های 1986، 2000 و 2013  نشان داده شد. (جدول 1). همانطور که در این جدول مشاهده می­شود درصد اراضی جنگلی از سال 1986 از 07/48 درصد کل کاربری­ها به 27/43 درصد کاهش یافته است. اراضی کشاورزی نیز از 93/32 در سال 1986 به مقدار 43/26 درصد در سال 2013 روند کاهشی داشته است. اما علی­رغم کاهش در اراضی جنگلی و کشاورزی، اراضی مسکونی با رشد چشمگیری مواجه بوده است به طوری که از میزان 25/3 درصد در سال 1986 به 28/14 درصد در سال 2013 رسیده است. در این مدت پهنه­های آبی تغییر چندانی نداشته است. روند تغییرات کاربری اراضی در سالهای مختلف نیز در شکل 4 نشان داده شده است. به منظور تعیین دقت هر یک از نقشه­ها از دو روش دقت کلی و ضریب کاپا برای هر سه تصویر استفاده شد (جدول 2) که نشان­دهنده این است که ضریب کلی در هر سه تصویر بهتر از ضریب کاپا عمل نموده است همچنین دقت کاربر و دقت تولیدکننده برای همه طبقات بالاتر از 85/0 می­باشد (جدول 3)

 

 

شکل3- نقشه تغییرات کاربری اراضی در دوره های مختلف با استفاده از روش حداکثر احتمال

جدول 1- میزان و درصد تغییرات کاربری اراضی شهرستان نور از سال 1986 تا 2013

نوع کاربری اراضی	1986		2000		2013
	مساحت( 14km2"> )	درصد	مساحت( 14km2"> )	درصد	مساحت( 14km2"> )	درصد
اراضی جنگلی	37/199	07/48	91/180	62/43	44/179	27/43
اراضی کشاورزی	57/136	93/32	82/135	75/32	62/109	43/26
مناطق مسکونی	5/13	25/3	96/30	46/7	22/59	28/14
پهنه­های آبی	24/65	73/15	98/66	15/16	39/66	01/16

 

 

شکل4: روند تغییرات کاربری اراضی در دوه­های مختلف

 

جدول 2- پارامترهای ارزیابی دقت طبقه­بندی تصویر سال­های مختلف

پارامتر آماری	1986 (1364)	2000 (1378)	2013 (1391)
ضریب کاپا	81%	82%	82%
ضریب کلی طبقه­بندی شده	93%	94%	94%

 

جدول 3- دقت کاربر و دقت تولیدکننده برای طبقات مختلف کاربری

کاربری اراضی
	1986	2000	2013	1986	2000	2013
جنگلی	94/0	97/0	91/0	90/0	93/0	89/0
کشاورزی	93/0	95/0	97/0	88/0	91/0	92/0
مسکونی	90/0	94/0	89/0	88/0	92/0	85/0
آبی	88/0	91/0	93/0	85/0	88/0	87/0

 

 

3-2 شاخص شدت تغییرات کاربری اراضی

شدت تغییرات کاربری اراضی در سری­های زمانی مختلف (1986 – 2000، 2000 – 2013) مورد بررسی قرار گرفت که در جدول 4 نشان داده شده است. شاخص شدت تغییرات کاربری اراضی در کاربری مسکونی در دوره­های مختلف بیشترین تغییرات را داشته است و روند افزایشی محسوسی در منطقه مورد مطالعه به خود اختصاص داده است. اراضی جنگلی در هر دو دوره تخریب را نشان می­دهد به طوری که در دوره مربوط به سال 1986 تا 2000 روند تخریب اراضی جنگلی بیشتر از دوره بعد بوده است. بعد از مناطق مسکونی، اراضی کشاورزی بیشترین تغییر را داشته که این نوع تغییر از نوع تخریب بوده است به طوری که در دوره 2000 تا 2013 به شدت اراضی کشاورزی تخریب شده است. پهنه­های آبی نیز تغییرات بسیار آهسته و کندی در هر دو دوره داشته است.

جدول 4: روند تغییرات شاخص شدت کاربری اراضی در بازه زمانی 1986 تا 2013

نوع کاربری اراضی	1986 - 2000	2000 – 2013
اراضی جنگلی	317/0-	025/0-
اراضی کشاورزی	012/0-	45/0-
مناطق مسکونی	3/0	48/0
پهنه­های آبی	03/0	01/0-

 

3-3 تغییرات درجات پویایی کاربری اراضی

میزان تغییرات درجات پویایی کاربری اراضی در دوره های مختلف شهرستان نور در جدول 5 نشان داده شده است. همانطور که در این جدول مشاهده می شود بیشترین سرعت تغییرات اراضی در کاربری مسکونی و در دوره 1986 تا 2000 مشاهده شده است و تا دوره بعد نیز ادامه پیدا کرده است. سرعت تغییرات در کاربری جنگلی به گونه­ای بوده که در دوره دوم به نسبت دوره اول به شدت کاهش پیدا کرده و روند تخریب بسیار آهسته پیش می­رود. اما عکس این فرآیند در مورد اراضی کشاورزی وجود داشته به طوری که سرعت تغییرات اراضی کشاورزی در دوره دوم بسیار سریع­تر از دوره اول حرکت کرده است. در مورد پهنه­های آبی نیز در هر دو دوره روند نسبتا پایداری در سرعت تغییرات مشاهده شده است.

 

جدول 5: روند تغییرات درجات پویایی کاربری اراضی در بازه زمانی 1986 تا 2013

نوع کاربری اراضی	1986 - 2000	2000 - 2013
اراضی جنگلی	66/0-	058/0-
اراضی کشاورزی	039/0-	37/1-
مناطق مسکونی	23/9	51/6
پهنه­های آبی	19/0	062/0-

 

3-4 آشکارسازی تغییرات کاربری اراضی

به منظور مشاهده میزان تغییرات و تبدیل یک کاربری به کاربری دیگر، آشکارسازی تغییرات در سه دوره 1986 تا 2000، 2000 تا 2013 و 1986 تا 2013 انجام گرفت (شکل 5). همانطور که در این شکل مشاهده می­شود پنج نوع تغییر عمده در تبدیل کاربری شامل جنگل به کشاورزی، آبی به کشاورزی، جنگل به مسکونی، کشاورزی به مسکونی و کشاورزی به آبی مشاهده می­شود و سایر تغییرات در طول بازه زمانی 28 ساله ثابت بوده است. در این پنج تغییر ایجاد شده، تغییر کاربری از کشاورزی به مسکونی بیشترین مساحت را به خود اختصاص داده است و غالباً در اطراف روستاها و حاشیه شهرها این اتفاق رخ داده است.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

شکل 5- نقشه آشکارسازی تغییرات کاربری اراضی در سه دوره مختلف

 

بحث و نتیجه­گیری

در این پژوهش روند تغییرات کاربری اراضی شهرستان نور از سال 1986 تا 2013 و در طی دوره 28 ساله با استفاده از تصاویر سنجنده TM استفاده شد که از  روش حداکثر احتمال برای طبقه­بندی تصاویر ماهواره­ای استفاده شد. نتایج حاصل از ارزیابی نقشه­های کاربری اراضی با روش حداکثر احتمال در سال‌های مختلف با استفاده از ضریب کاپا و ضریب کلی نشان­دهنده دقت بالای نقشه­های کاربری اراضی تهیه­شده می‌باشد و لذا از آن می­توان به عنوان پایش تغییرات کاربری اراضی منطقه استفاده نمود. نتایج حاصل از پایش تغییرات کاربری اراضی منطقه نشان داد تغییرات کاربری اراضی/پوشش در تمام روستاها و شهرهای نور و چمستان بدون برنامه­ریزی و عدم مدیریت لازم ایجاد شده است. در شهر نور نتایج نشان داد در طی 28 سال اخیر توسعه مناطق مسکونی به سمت جنوب این شهر بوده جایی که اراضی کشاورزی و منبع تولید برنج مازندران در آن تامین می­گردد. این شرایط برای سایر مناطق روستایی و شهری دیگر نیز اتفاق افتاده است به طوری که توسعه مناطق مسکونی از سال 1986 تا سال 2013 تقریبا پنج برابر شده است. از سوی دیگر مساحت اراضی کشاورزی به شدت کاهش یافته و اراضی بسیار مرغوب کشاورزی جای خود را به اراضی غیرقابل­نفوذ و غیرقابل­بازگشت مسکونی داده است. البته مابین سال­های 1986 تا 2000 به علت شرایط مساعد کشاورزی و مدیریت مناسب و قوی در واگذاری اراضی کشاورزی به مسکونی و یا هر نوع تغییر کاربری در این زمینه تغییرات بسیار کمتری در این بخش نسبت به دوره بعد از آن بوده است. آنچه که مسلم است کشاورزی شغل اصلی ساکنین منطقه نور بوده است اما به دلیل شرایط نامناسب تولیدی مانند عدم تعادل در هزینه تولید و قیمت فروش محصولات کشاورزی از یک سو و بالا رفتن قیمت اراضی کشاورزی و تبدیل ارزی آن برای کارهای اقتصادی دیگر سبب اشتیاق کشاورزان به فروش زمین­های کشاورزی گردید (2، 6 و 9). شرایط اقلیمی مناسب به همراه طبیعت خارق­العاده این منطقه از شمال ایران و نزدیکی آن به استان تهران در تسریع تبدیل اراضی کشاورزی به مسکونی بسیار تاثیرگذار بوده است (12، 15 و 19). اعطای پروانه­های غیرمجاز و عدم سخت­گیری در اخذ امتیازات آب و برق توسط بخشداری­ها و دهیاری­ها سبب شد به سرعت روند اشغال زمین­های کشاورزی به اراضی مسکونی توسط مهاجرانی که از شهرها و استان­های اطراف وارد این منطقه شده­اند صورت پذیرد. در مورد اراضی جنگلی با توجه به اینکه غالب اراضی جنگلی این منطقه جزو پارک جنگلی نور بوده و این پارک جزو اراضی حفاظت­شده بین­الملی قرار دارد، لذا کمترین تغییرات در این اراضی مشاهده شده است. مناطق آبی این منطقه شامل قسمتی از دریای مازندران به همراه وجود آب­بندان­های طبیعی و مصنوعی می­باشد. از سال 1986 تا 2000 به علت توسعه و توجه به بخش کشاورزی شمار پهنه­های آبی بیشتر شده بود تا کشاورزان از این مناطق برای آبیاری زمین­های کشاورزی و پرورش ماهیان آب شیرین استفاده نمایند اما در دوره بعد به علت کاهش شدید اراضی کشاورزی و عدم توجه به این بخش رفته رفته بعضی از پهنه­های آبی این منطقه توسط ساکنان اطراف آن خشک شده و حتی از زمین­های حاصل از خشک­نمودن این اراضی به عنوان فروش و ساخت ویلاهای متعدد استفاده شده است که بعضا منجر به نزاع های محلی نیز شده است.

نتایج حاصل از شدت تغییرات و درجات پویایی کاربری اراضی نشان می­دهد در صورتیکه اقدامی صورت نگیرد روند تغییرات کاربری در آینده نیز به همین صورت ادامه یافته و در نتیجه اراضی بیشتری از زمین های کشاورزی در آینده تبدیل به ویلاها و سازه­های غیرقابل بازگشت خواهد شد. لذا امید است با همکاری مسئولان ذی­ربط و لزوم توجه به طرح­های آمایش سرزمین و مدیریت صحیح، روند تغییرات فعلی کاربری اراضی منطقه نور به سمت و سوی توسعه پایدار سوق پیدا نماید.

 

References

1. Abdollahi, M., 2006. Investment and financial market challenges in agriculture. Trend. 49: 169-200.
2. Abd El-Kawya, O.R., J.K., Rød, H.A., Ismail & Suliman A.S, 2010. Land Use and Land Cover Change Detection in the Western Nile Delta of Egypt Using Remote Sensing Data, Applied Geography, 31: 483-494.
3. Alavipanah, S.K., 2003. Study of Lut desert surface temperature using field measurements and satellite thermal data. Desert. 1(7): 85-99.
4. Anderson, J.R., E. Hardey, J. Roach & R.E. Witmer, 1976. A land use and land cover classification system for use with remote sensor data. US geological survey professional paper, Washington, DC, 964, 28 pp.
5. Arkhi, S.,Y. Niazi & M. Adibnejad. 2011. Vegetation change monitoring using remote sensing techniques in Ilam dam basin. Geography and Development. 9 (24): 121-136.
6. Chabokro, G.R & R. Gari, 2005. Investment in agriculture in production uncertainty. Agricultural economic and development. 51: 165-177.
7. Chander, C., B. Markham & D. Helder, 2009. Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+ and EO-1 ALI sensors. Remote Sensing of Environment 113(5): 893-903.
8. Clapham, W.B., 2005. Quantitive classification as tool to show change in an urbanizing watershed. International journal remote sensing. 26: 4923-4939. 
9. Dehghan, M & S.M. Hosseini, 2006. Barriers to production growth and investment in the agricultural sector. Program. 197:4-7.
10. Foley, J.A., R. Defries, G.P. Asner, C. Barford, G. Bonan, S.R. Carpenter, F.S. Chapin, M.T. Coe, G.C. Daily, H.K. Gibbs, J.H. Helkowski, T. Holloway, E.A. Howard, C.J. Kucharik, C. Monfreda, J.A. Patz, I.C. Prentice, N. Ramankutty & P.K. Snyder. 2005. Global consequences of land use. Science, 309(5734): 570–574.
11. Gibson, P., & C Power, 2000. Introductory Remote Sensing: Digital Image Processing and Applications. Routledge, London.
12. Hajinejad, A., M. portaheri & A. Ahmadi. 2009. People’s Participation and Rural Development in Solgi District of Nahavand County. Human Geography Research 42(70): 91-109.
13. Jiang, Y., J. Liu, Q. Cui, X. An & C. Wu, 2011. Land use/land cover change and driving force analysis in Xishuangbanna Region in 1986—2008, Front of earth science, 5(3): 288-293.
14. Mahdavi, A., Fathizad, H & Shataee Jouibari, SH. 2015. Evaluation and analysis of different changes detection methods of land use/vegetation cover (Case Study: Forest protected area of Manesht, Ilam), J. of Wood & forest Science and Technology, 21 (4): 187-210.
15. Monshizade, R.A & F. Khoshhal. 2005. The impact of tourism on land use changes in Lahijan Provence (with emphasis on rural land). Scientific Journals Management System. 5: 89-106
16. Rahman, A., K. Sunil, S. Fazal & A. Siddiqui, 2012. Assessment of Land use/land cover Change in the North-West District of Delhi Using Remote Sensing and GIS Techniques. Journal of indian society remote sensing. 40(4): 689-697.
17. Ramesh, B & N. Krishnan, 1991. Application of remote sensing for analysis of urban fringe dynamics—case study of Jaipur, India. Proceeding Asian Conference on Remote Sensing (ACRS). http://www.a-a-r-s.org/acrs/proceeding/ ACRS1991/Papers/PS191-8.htm.
18. Sepehry, A., & Gang- Jun L, 2006. Flood induced land cove change detection using multitemporal ETM+ imagery, Center for Remote Sensing of land surface, Bonn: 28-30.
19. Shahidi, M.S., Z.S. Ardestani & M.M. Godarzi Sorosh, 2009. An Investigation of the Role of Tourism in Rural Areas (Case study: Dehestan Lavasan). Human Geography Research. 42(67): 99-114.
20. Singh, P & Khanduri, K, 2011. Land use and land cover change detection through Remote Sensing & GIS technology: case study of pathankot and dhar kalan tehsils,Punjabl/international Journal of Geomatics And Geosciences, 4: 839-846.
21. Rafieyan, O., Darvish sefat, A & Namirian, M. 2006. Change detection of the northern forests using of satellite imagery of ETM+ Sensor between 1993 to 2000years. Journal of Science and Technology of Agriculture and Natura Resources, 10: 3. 277-286.
22. Rawat, J.S., V. Biswas & M. Kumar, 2013. Changes in land use/cover using geospatial techniques: A case study of Ramnagar town area, district Nainital, Uttarakhand, India, The Egyptian Journal of Remote Sensing and Space Sciences. 16: 111-117.
23. Vitousek, P. M., H.A. Mooney, J. Lubchenco & J.M. Melillo, 1997. Human domination of earth’s ecosystems. Science, 277: 494-499
24. Wang X.H & Y.H. Bao, 1999. Study on the methods of land use dynamic change research. Progress in Geography, 18(1): 81–87.
25. Yuan, F., Sawya, K.E., Loeffelhoze, B.C & Bauer, M.E 2005. Land cover classification and change analysis of theTwin cities (minnesota) metropolitan area by multi temporal land sat remote sensing. Remote Sensing of Environment, 98: 317-328.

 

 

 

 

 

 

 

 

---

[1]- نویسنده مسئول : فارغ التحصیل دکتری آبخیزداری دانشگاه تهران، دانشکده منابع طبیعی، کرج، ایران، [e-mail] شماره تماس: [phone]

[2]- دانشجوی دکتری آبخیزداری دانشگاه تهران، دانشکده منابع طبیعی، کرج، ایران، [e-mail] شماره تماس: [phone]

[3] - دانشیار دانشگاه آزاد اسلامی، واحد نور، گروه منابع طبیعی، نور، ایران، [e-mail] شماره تماس: [phone]

 

[4] Land use

[5] Land cover

[6] Change detection

[7] Image differencing

[8] Image rationg

[9] Principal Component Analisis (PCA)

[10] LUCC intensity index

[11] Lucc dynamic degree index

[12] Change detection

مراجع

1. Abdollahi, M., 2006. Investment and financial market challenges in agriculture. Trend. 49: 169-200.
2. Abd El-Kawya, O.R., J.K., Rød, H.A., Ismail & Suliman A.S, 2010. Land Use and Land Cover Change Detection in the Western Nile Delta of Egypt Using Remote Sensing Data, Applied Geography, 31: 483-494.
3. Alavipanah, S.K., 2003. Study of Lut desert surface temperature using field measurements and satellite thermal data. Desert. 1(7): 85-99.
4. Anderson, J.R., E. Hardey, J. Roach & R.E. Witmer, 1976. A land use and land cover classification system for use with remote sensor data. US geological survey professional paper, Washington, DC, 964, 28 pp.
5. Arkhi, S.,Y. Niazi & M. Adibnejad. 2011. Vegetation change monitoring using remote sensing techniques in Ilam dam basin. Geography and Development. 9 (24): 121-136.
6. Chabokro, G.R & R. Gari, 2005. Investment in agriculture in production uncertainty. Agricultural economic and development. 51: 165-177.
7. Chander, C., B. Markham & D. Helder, 2009. Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+ and EO-1 ALI sensors. Remote Sensing of Environment 113(5): 893-903.
8. Clapham, W.B., 2005. Quantitive classification as tool to show change in an urbanizing watershed. International journal remote sensing. 26: 4923-4939. 
9. Dehghan, M & S.M. Hosseini, 2006. Barriers to production growth and investment in the agricultural sector. Program. 197:4-7.
10. Foley, J.A., R. Defries, G.P. Asner, C. Barford, G. Bonan, S.R. Carpenter, F.S. Chapin, M.T. Coe, G.C. Daily, H.K. Gibbs, J.H. Helkowski, T. Holloway, E.A. Howard, C.J. Kucharik, C. Monfreda, J.A. Patz, I.C. Prentice, N. Ramankutty & P.K. Snyder. 2005. Global consequences of land use. Science, 309(5734): 570–574.
11. Gibson, P., & C Power, 2000. Introductory Remote Sensing: Digital Image Processing and Applications. Routledge, London.
12. Hajinejad, A., M. portaheri & A. Ahmadi. 2009. People’s Participation and Rural Development in Solgi District of Nahavand County. Human Geography Research 42(70): 91-109.
13. Jiang, Y., J. Liu, Q. Cui, X. An & C. Wu, 2011. Land use/land cover change and driving force analysis in Xishuangbanna Region in 1986—2008, Front of earth science, 5(3): 288-293.
14. Mahdavi, A., Fathizad, H & Shataee Jouibari, SH. 2015. Evaluation and analysis of different changes detection methods of land use/vegetation cover (Case Study: Forest protected area of Manesht, Ilam), J. of Wood & forest Science and Technology, 21 (4): 187-210.
15. Monshizade, R.A & F. Khoshhal. 2005. The impact of tourism on land use changes in Lahijan Provence (with emphasis on rural land). Scientific Journals Management System. 5: 89-106
16. Rahman, A., K. Sunil, S. Fazal & A. Siddiqui, 2012. Assessment of Land use/land cover Change in the North-West District of Delhi Using Remote Sensing and GIS Techniques. Journal of indian society remote sensing. 40(4): 689-697.
17. Ramesh, B & N. Krishnan, 1991. Application of remote sensing for analysis of urban fringe dynamics—case study of Jaipur, India. Proceeding Asian Conference on Remote Sensing (ACRS). http://www.a-a-r-s.org/acrs/proceeding/ ACRS1991/Papers/PS191-8.htm.
18. Sepehry, A., & Gang- Jun L, 2006. Flood induced land cove change detection using multitemporal ETM+ imagery, Center for Remote Sensing of land surface, Bonn: 28-30.
19. Shahidi, M.S., Z.S. Ardestani & M.M. Godarzi Sorosh, 2009. An Investigation of the Role of Tourism in Rural Areas (Case study: Dehestan Lavasan). Human Geography Research. 42(67): 99-114.
20. Singh, P & Khanduri, K, 2011. Land use and land cover change detection through Remote Sensing & GIS technology: case study of pathankot and dhar kalan tehsils,Punjabl/international Journal of Geomatics And Geosciences, 4: 839-846.
21. Rafieyan, O., Darvish sefat, A & Namirian, M. 2006. Change detection of the northern forests using of satellite imagery of ETM+ Sensor between 1993 to 2000years. Journal of Science and Technology of Agriculture and Natura Resources, 10: 3. 277-286.
22. Rawat, J.S., V. Biswas & M. Kumar, 2013. Changes in land use/cover using geospatial techniques: A case study of Ramnagar town area, district Nainital, Uttarakhand, India, The Egyptian Journal of Remote Sensing and Space Sciences. 16: 111-117.
23. Vitousek, P. M., H.A. Mooney, J. Lubchenco & J.M. Melillo, 1997. Human domination of earth’s ecosystems. Science, 277: 494-499
24. Wang X.H & Y.H. Bao, 1999. Study on the methods of land use dynamic change research. Progress in Geography, 18(1): 81–87.
25. Yuan, F., Sawya, K.E., Loeffelhoze, B.C & Bauer, M.E 2005. Land cover classification and change analysis of theTwin cities (minnesota) metropolitan area by multi temporal land sat remote sensing. Remote Sensing of Environment, 98: 317-328.